Intuit's GenOS-update: De sleutel tot succesvolle agentic AI in ondernemingen

De teams voor enterprise AI staan voor een kostbaar dilemma: moeten ze geavanceerde agentsystemen bouwen die hen vastleggen aan specifieke leveranciers van grote taalmodellen (LLM's), of moeten ze voortdurend prompts en datastromen herschrijven wanneer ze van model wisselen? De financiële technologie-gigant Intuit heeft dit probleem opgelost met een doorbraak die de manier waarop organisaties multi-model AI-architecturen benaderen, kan herdefiniëren.

Net als veel andere bedrijven heeft Intuit generatieve AI-oplossingen ontwikkeld met behulp van verschillende grote taalmodellen. In de afgelopen jaren heeft het Generative AI Operating System (GenOS) van Intuit gestaag vooruitgang geboekt, en biedt het geavanceerde mogelijkheden aan de ontwikkelaars en eindgebruikers van het bedrijf, zoals Intuit Assist. Het bedrijf heeft zich steeds meer gericht op agentic AI-workflows die meetbare impact hebben gehad op gebruikers van Intuit's producten, waaronder QuickBooks, Credit Karma en TurboTax.

Uitbreiding van GenOS

Intuit breidt GenOS nu uit met een reeks updates die gericht zijn op het verbeteren van de productiviteit en de algehele efficiëntie van AI. De verbeteringen omvatten een Agent Starter Kit die 900 interne ontwikkelaars in staat stelde om binnen vijf weken honderden AI-agents te bouwen. Het bedrijf introduceert ook wat het noemt een 'intelligent datacognitielaag' die traditionele benaderingen van retrieval-augmented generation overtreft.

Misschien nog wel ingrijpender is dat Intuit een van de meest lastige problemen in enterprise AI heeft opgelost: hoe agentsystemen te bouwen die naadloos werken over meerdere grote taalmodellen zonder dat ontwikkelaars de prompts voor elk model opnieuw moeten schrijven.

"Het belangrijkste probleem is dat wanneer je een prompt schrijft voor één model, model A, je de neiging hebt om na te denken over hoe model A is geoptimaliseerd, hoe het is gebouwd en wat je moet doen en wanneer je moet overstappen naar model B," vertelde Ashok Srivastava, Chief Data Officer bij Intuit, aan VentureBeat. "De vraag is: moet je het herschrijven? En in het verleden moest je dat inderdaad doen."

Genetische algoritmen en het vermijden van leverancierslock-in

Organisaties hebben verschillende manieren gevonden om verschillende LLM's in productie te gebruiken. Een benadering is het gebruik van een vorm van LLM-modelroutingtechnologie, die een kleiner LLM gebruikt om te bepalen waar een query naartoe moet worden gestuurd.

De promptoptimalisatiedienst van Intuit pakt het anders aan. Het gaat niet zozeer om het vinden van het beste model voor een query, maar eerder om het optimaliseren van een prompt voor een aantal verschillende LLM's. Het systeem maakt gebruik van genetische algoritmen om automatisch varianten van prompts te creëren en te testen.

"De manier waarop de promptvertalingsdienst werkt, is dat het eigenlijk genetische algoritmen in zijn component heeft, en die genetische algoritmen creëren inderdaad varianten van de prompt en doen vervolgens interne optimalisatie," legde Srivastava uit. "Ze beginnen met een basisset, ze creëren een variant, ze testen de variant, en als die variant effectief is, dan zeggen ze: ik ga die nieuwe basis creëren en dan blijven ze optimaliseren."

Voordelen van deze benadering

Deze aanpak biedt directe operationele voordelen die verder gaan dan gemak. Het systeem biedt automatische foutoplossing, wat betekent dat het in staat is om te leren van eerdere interacties en de prestaties van prompts continu te verbeteren. Dit vermindert de tijd en middelen die nodig zijn om prompts te beheren en stelt ontwikkelaars in staat zich te concentreren op creatievere taken.

Door de implementatie van deze innovatieve technologie kan Intuit zijn klanten een efficiëntere en meer responsieve ervaring bieden. Dit is vooral belangrijk in een tijd waarin bedrijven steeds afhankelijker worden van AI om hen te ondersteunen bij complexe bedrijfsprocessen en beslissingen.

De toekomst van AI bij Intuit

De vooruitgang die Intuit boekt met GenOS en zijn benadering van agentic AI-architecturen, zou de standaard kunnen zetten voor andere bedrijven in de sector. Met de focus op het verbeteren van de interactie tussen verschillende AI-modellen, opent Intuit de deur naar een toekomst waarin bedrijven flexibeler en efficiënter kunnen opereren.

De mogelijkheden van AI blijven zich uitbreiden, en organisaties zoals Intuit zijn goed gepositioneerd om voorop te lopen in deze evolutie. Door het aanpakken van de uitdagingen die gepaard gaan met multi-model AI, stelt Intuit zijn gebruikers in staat om de volledige potentie van AI-technologie te benutten.

Vertaald met ChatGPT gpt-4o-mini